Alter3 : quand GPT-4 transforme du texte en mouvement

Ce que montre vraiment ce Short

La scène paraît presque théâtrale : Alter3 mime quelqu’un qui mange du popcorn, réalise qu’il s’est trompé de paquet et change progressivement d’attitude. Ce qui est intéressant n’est pas le gag lui-même. C’est la manière dont les chercheurs passent d’une phrase à un mouvement physique.

Dans l’étude publiée dans Frontiers in Robotics and AI le 27 mai 2025, l’utilisateur fournit une consigne en langage naturel. GPT-4 produit d’abord une description détaillée du mouvement attendu. Une deuxième étape transforme ensuite cette description en code Python capable de commander les axes du robot.

Cela déplace une partie du travail : au lieu de régler manuellement chaque articulation pour chaque nouveau geste, les chercheurs donnent au modèle des informations sur le corps d’Alter3 et des exemples de code, puis lui demandent de générer une nouvelle séquence.

Pourquoi la scène du popcorn est utile

Le scénario du popcorn n’est pas seulement une pose. Il demande une progression : manger normalement, réaliser l’erreur, puis exprimer la surprise et l’embarras.

C’est précisément ce que les auteurs voulaient tester avec les séquences longues : est-ce qu’un modèle de langage peut transformer une petite histoire en une suite de mouvements cohérente dans le temps ?

Dans le papier, cette scène apparaît dans l’évaluation des mouvements générés. Alter3 ne voit toutefois ni vrai popcorn ni véritable voisin. Le texte est le point de départ ; la machine exécute ensuite les commandes produites pour son corps.

Du texte au corps

Alter3 possède 43 axes pneumatiques mobiles. Le système décrit par les chercheurs fournit à GPT-4 une représentation de ces axes et de leurs valeurs possibles. Le modèle utilisé dans l’expérience est GPT-4-0314.

Le pipeline fonctionne en deux temps : une première consigne transforme l’action demandée en description gestuelle détaillée ; une seconde transforme ces étapes en commandes Python. Un filtre vérifie ensuite certains problèmes de code avant exécution.

Cette distinction est importante. Le Short peut donner l’impression d’un robot qui « comprend » naturellement une situation sociale. L’expérience montre plutôt une nouvelle interface de programmation : utiliser le langage comme couche intermédiaire entre une idée et un corps robotique.

Ce que l’étude mesure — et ce qu’elle ne mesure pas

Les auteurs ont demandé à 124 participants d’évaluer neuf mouvements générés. Ils ont également inclus des mouvements aléatoires comme contrôle. Les mouvements produits avec le système ont été évalués plus favorablement que les contrôles.

Cela donne une indication sur la lisibilité des gestes : des observateurs reconnaissent mieux le comportement demandé. Ce n’est pas une preuve de conscience, d’émotion vécue ou d’autonomie générale.

Les auteurs écrivent eux-mêmes que les expressions observées restent des réactions programmées. Ils décrivent aussi des limites physiques : Alter3 ne mesure pas parfaitement les conséquences exactes de ses propres mouvements, ce qui motive un mécanisme de correction par feedback verbal et mémoire externe.

Pourquoi c’est intéressant pour la Physical AI

Le point fort de cette recherche n’est donc pas « GPT-4 contrôle un robot » au sens spectaculaire du terme. C’est la réduction du travail nécessaire pour définir de nouveaux mouvements.

Si une machine peut recevoir une intention en langage naturel, la transformer en gestes adaptés à sa morphologie, puis affiner ces gestes avec du feedback, l’interface entre logiciel et robot devient beaucoup plus flexible.

C’est une piste importante pour la Physical AI : non pas remplacer toute la robotique par un LLM, mais utiliser les modèles de langage comme une couche qui traduit mieux nos intentions vers des systèmes physiques.

Le Short Tomorrow, Tested. montre un extrait de la Video 8 du supplément de recherche. Les sources ci-dessous permettent de vérifier l’étude complète, le média exact et sa licence.